Prevedere lo scompenso cardiaco prima che si manifesti

In una vasta collaborazione internazionale, Human Technopole ha contribuito allo sviluppo di tre modelli complementari di previsione del rischio che stimano la probabilità di sviluppare scompenso cardiaco lungo l’intero spettro delle malattie cardiovascolari. Insieme, questi strumenti consentono una valutazione del rischio trasparente e basata sui dati e supportano strategie terapeutiche personalizzate e sistemi sanitari più sostenibili.

Lo scompenso cardiaco è una delle condizioni cardiovascolari più gravi e in più rapida crescita a livello globale. Oltre 60 milioni di persone convivono attualmente con questa malattia e i numeri continuano ad aumentare a causa dell’invecchiamento della popolazione, della crescente diffusione di diabete e obesità e del miglioramento della sopravvivenza dopo infarto e ictus. Nonostante i progressi terapeutici, lo scompenso cardiaco rimane una delle principali cause di ricovero ospedaliero, di riduzione della qualità della vita e di pressione sui sistemi sanitari.

Una delle principali difficoltà è che il rischio di sviluppare scompenso cardiaco si accumula in modo silenzioso e varia tra individui. Può manifestarsi in persone senza precedenti malattie cardiovascolari, in pazienti con malattia cardiovascolare aterosclerotica (ASCVD) già diagnosticata oppure in persone che presentano forme specifiche di scompenso cardiaco, come lo scompenso cardiaco con frazione di eiezione preservata (HFpEF). Fino a poco tempo fa, tuttavia, mancava un quadro coerente che permettesse ai clinici di quantificare il rischio in modo uniforme lungo queste diverse fasi.

I modelli tradizionali di previsione del rischio si basano su fattori ben noti come età, pressione arteriosa, diabete, livelli di colesterolo e precedenti malattie cardiovascolari. Tuttavia, non sempre riescono a cogliere tutta la complessità del rischio di scompenso cardiaco. Di conseguenza, alcune persone ad alto rischio possono rimanere non identificate, mentre altre possono essere sottoposte a monitoraggi o trattamenti non necessari. Migliorare la previsione del rischio è quindi essenziale sia per i pazienti sia per i sistemi sanitari, che devono affrontare un carico crescente di malattie cardiovascolari.

In tre importanti studi collaborativi internazionali pubblicati sull’European Heart Journal e co-guidati dal professor Emanuele Di Angelantonio, responsabile dell’Health Data Science Research Centre di Human Technopole e professore di epidemiologia clinica all’Università di Cambridge, i ricercatori hanno sviluppato e validato tre modelli complementari di previsione del rischio. Insieme, questi modelli costituiscono un quadro continuo per valutare il rischio di scompenso cardiaco lungo l’intera traiettoria della malattia, dalla prevenzione primaria fino alla gestione delle fasi più avanzate.

Il primo studio introduce SCORE2-HF, un modello che stima il rischio di scompenso cardiaco a 10 e a 30 anni negli adulti sopra i 40 anni senza precedenti malattie cardiovascolari.

Sviluppato utilizzando dati provenienti da oltre 600.000 individui in 14 paesi europei e validato su più di 1,3 milioni di persone, il modello utilizza informazioni cliniche comunemente disponibili, tra cui età, abitudine al fumo, pressione arteriosa, indice di massa corporea, funzione renale e diabete di tipo 2, per individuare persone con rischio elevato di scompenso cardiaco molto prima della comparsa dei sintomi. SCORE2-HF è allineato ai modelli SCORE2 già utilizzati per stimare il rischio di ASCVD, permettendo una valutazione sinergica del rischio sia di ASCVD sia di scompenso cardiaco in Europa e sostenendo strategie integrate di prevenzione primaria.

Il secondo studio presenta SMART2-HF, focalizzato sui pazienti con ASCVD già diagnosticata, come malattia coronarica o ictus, che non hanno ancora sviluppato scompenso cardiaco. I modelli di rischio attualmente raccomandati dalle linee guida per questi pazienti quantificano il rischio di infarto e ictus, ma non stimano il rischio di scompenso cardiaco. Costruito utilizzando dati di quasi 8.000 pazienti e validato esternamente su oltre 240.000 pazienti appartenenti a sei coorti internazionali, SMART2-HF prevede sia il rischio a 10 anni sia il rischio nel corso della vita di sviluppare scompenso cardiaco utilizzando dati clinici raccolti routinariamente, integrando così gli strumenti esistenti di valutazione del rischio cardiovascolare.

Il terzo studio introduce LIFE-Preserved, rivolto ai pazienti che convivono già con scompenso cardiaco con frazione di eiezione preservata (HFpEF), una forma complessa e sempre più diffusa di scompenso cardiaco caratterizzata da una grande eterogeneità nella prognosi. Il modello, basato su dati di oltre 20.000 pazienti e validato in studi clinici e registri real-world che includono più di 28.000 ulteriori pazienti, prevede sia il rischio a breve termine sia il rischio nel corso della vita di ricovero per scompenso cardiaco o di morte cardiovascolare. Negli ultimi anni sono diventate disponibili nuove terapie per HFpEF, ma non tutti i pazienti ne traggono beneficio allo stesso modo. LIFE-Preserved aiuta a identificare quelli a rischio più elevato, supportando decisioni terapeutiche personalizzate e processi decisionali condivisi tra pazienti e clinici.

Piuttosto che essere strumenti isolati, questi modelli costituiscono una strategia integrata: consentono di identificare il rischio di scompenso cardiaco in una fase più precoce, di affinare la prognosi con maggiore precisione e di supportare le decisioni terapeutiche sulla base della probabilità individuale anziché di valori medi.

Più in generale, questi studi esemplificano la missione di Human Technopole di tradurre la scienza dei dati in strumenti per migliorare la prevenzione, guidare terapie di precisione e contribuire a un impatto misurabile sulla salute pubblica nelle società che invecchiano. Come spiega il professor Di Angelantonio, «partendo da queste ricerche, il Cardiometabolic Flagship Research Programme di Human Technopole porterà avanti una visione ambiziosa per la salute cardiometabolica, utilizzando dati su larga scala e scienza traslazionale per prevedere le malattie in modo più precoce, personalizzare le cure e generare un impatto concreto per pazienti e sistemi sanitari in tutto il mondo».